Erzeugen statt einordnen
Lange Zeit war KI vor allem eine Entscheidungsmaschine: Ein Spamfilter sagt „Spam“ oder „kein Spam“, eine Bilderkennung sagt „Katze“. Solche Modelle nennt man analytisch oder diskriminativ – sie ordnen ein, was schon da ist.
Generative KI dreht das um. Sie bekommt eine Anweisung, einen Prompt, und liefert ein neues Ergebnis: die Antwort-Mail, das Bild zum Werbetext, die Zusammenfassung eines Transkripts. Das Ergebnis ist nicht aus einer Datenbank kopiert, sondern wird bei jeder Anfrage neu erzeugt.
Wie generative Modelle Inhalte erzeugen
Bei Text arbeiten große Sprachmodelle: Sie berechnen, welches Textstück – ein Token – als nächstes am besten passt, hängen es an und wiederholen das, bis die Antwort fertig ist. Bildgeneratoren arbeiten meist mit sogenannten Diffusionsmodellen: Sie starten mit zufälligem Rauschen und entfernen es Schritt für Schritt, bis ein Bild entsteht, das zur Beschreibung passt.
Gemeinsam ist allen Verfahren, dass ein Stück Zufall im Spiel ist. Deshalb liefert derselbe Prompt zweimal unterschiedliche Ergebnisse. Wie stark dieser Zufall wirkt, lässt sich bei vielen Modellen über die Temperatur einstellen.
Was generative KI erzeugen kann
Die Einsatzfelder überschneiden sich zunehmend, weil viele Modelle mehrere Formen beherrschen:
- Text: E-Mails, Zusammenfassungen, Übersetzungen, Protokollentwürfe, Antworten auf Fragen
- Bilder und Grafiken: Illustrationen, Produktentwürfe, Varianten eines Motivs
- Audio: synthetische Stimmen, Vorlesen von Texten, Musik
- Code: Programmvorschläge, Formeln für Tabellen, kleine Skripte
- Mehreres zugleich: multimodale KI, die etwa ein Foto beschreibt oder zu einem Diagramm Fragen beantwortet
Stärken und typische Schwächen
Generative KI ist stark bei Entwürfen, Varianten und Verdichtung: Sie formuliert eine sperrige Notiz verständlich um, macht aus einer Stunde Gespräch eine halbe Seite oder liefert zehn Ideen für einen Betreff. Das spart vor allem bei Routinetexten viel Zeit.
Die Kehrseite: Die Modelle prüfen keine Fakten. Sie erzeugen plausible Inhalte – und plausibel ist nicht dasselbe wie richtig. Erfundene Details sind als Halluzination bekannt. Dazu kommen offene Fragen zu Urheberrecht und Trainingsdaten sowie zum Datenschutz, wenn vertrauliche Inhalte in ein Tool eingegeben werden. Die EU-KI-Verordnung sieht außerdem Transparenzpflichten für bestimmte KI-generierte Inhalte vor.
Mit Augenmaß einsetzen
Im Arbeitsalltag bewährt sich eine einfache Haltung: Die KI liefert den Entwurf, der Mensch bleibt verantwortlich. Je folgenreicher ein Text ist – ein Angebot, eine Zusage an Kund:innen, ein Beschluss –, desto genauer wird gegengelesen. Zahlen, Namen, Termine und Zitate sind die Stellen, an denen sich ein Blick ins Ausgangsmaterial am meisten lohnt.
Am besten funktioniert generative KI, wenn sie mit echtem Material arbeitet statt aus dem Gedächtnis: Wer ein Transkript, ein Briefing oder eine Mail mitliefert und um eine Zusammenfassung oder Antwort bittet, bekommt deutlich verlässlichere Ergebnisse als mit einer offenen Frage. Für Teams lohnt sich außerdem eine kurze Regelung, welche Inhalte in welches Tool dürfen und wer die Ergebnisse freigibt – das schützt vor vertraulichen Daten im falschen Dienst und vor ungeprüften Texten an Kund:innen.
Studio Berger bekommt ein Briefing für eine Bäckerei-Kampagne. Die Texterin gibt der KI ihre Stichpunkte und bittet um acht Claims im Ton „regional, ehrlich, ein bisschen frech“.
Von den acht Vorschlägen sind drei brauchbar, einer gefällt dem Team auf Anhieb. Ein Claim behauptet „seit 1890“ – das hat die KI erfunden, die Bäckerei gibt es erst seit 1974. Genau so eine Stelle fällt beim Gegenlesen auf und fliegt raus.
Dieser Eintrag dient der allgemeinen Information und ersetzt keine individuelle Beratung.